Maestro:

Fernando Pérez
Materia:

Estadística Inferencial
Alumno:
Henry Roberto Ochaeta Roman
Tarea 8 Ejercicio 1, 2 y 3.
Licenciatura:
Psicología Organizacional
Ejercicio 1:
En un estudio sobre el rendimiento de la gasolina en los automóviles, medido en kilómetros por
litro, se probaron las siguientes hipótesis

Para 𝜎 = 3 y un nivel de significancia de 0.02, ¿qué tamaño de muestra se recomienda si el

investigador desea tener 80% de probabilidad de detectar que 𝜇 es menor que 20 kilómetros por
litro cuando en realidad es de 19?

R:
Ejercicio 2:
La longitud objetivo de cintas empleadas en moños para regalos es de 245 cm. De una muestra de
50 cintas, cada una con una longitud determinada, se obtiene una media de longitud de 246.18 cm
y una desviación estándar de 3.6 cm. ¿Sugieren estos datos que la longitud promedio verdadera es
algún otro diferente del valor objetivo?

R: n = 50 cintas

μ = 246,18 cm

σ= 3,6 cm

X = 245 cm longitud objetivo de cintas empleadas en moños para regalos

¿Sugieren estos datos que la longitud promedio verdadera es algún otro diferente del valor
objetivo?

Probabilidad de una distribución normal

Z = X-μ/σ

Z = 245 -246,18/3,6

Z = -0,33

P(X≤245) = 0,3707

La longitud promedio puede ser igual a la señalada ya que entre los valores de 245 y la media se
encuentran un buen porcentaje de los datos.

Pero también se puede solucionar así:

R: z = √n * (xm - x)/σ

Datos:

n = 50

xm = 246.18 cm

x = 245 cm

σ = 3.6 cm

Sustituyendo los datos se tiene que:

z = √50 * (246.18 - 245) /3.6 z = 2.32

Por lo tanto, se tiene que de acuerdo con la curva de distribución normal que:

P = 0.4898

Como el valor de P > 0.1 entonces se puede concluir que la longitud promedio verdadera
pertenece al valor objetivo.
Ejercicio 3:
Un gerente de control de calidad para probar si en el proceso de fabricación de LEDs se satisface el
estándar de producir 120 piezas por lote se usan las hipótesis 𝐻0: 𝜇 = 120 y 𝐻1: 𝜇 ≠ 120.
Empleando un nivel de significancia de 0.05 y una desviación estándar de 5. Si la media de
producción disminuye a 117 piezas por lote, el gerente de control de calidad desea tener 98% de
oportunidad de concluir que no se está satisfaciendo el estándar de producción. ¿De qué tamaño
deberá tomarse la muestra?

R:
Bibliografía:
• • Alvarado, V. J. A., & Obagi, A. J. J. (2008). Fundamentos de inferencia estadística.
Colombia: Pontificia Universidad Javeriana.
• • Anderson, D. R., Sweeney, D. J., & Williams, T. A. (2008). Estadística para
administración y economía (10 ed.). México: Cengage Learning.
• • Anderson, D. R., Sweeney, D. J., & Williams, T. A. (2012). Estadística para negocios y
economía (11 ed.). México: Cengage Learning.
• • Devore, J. L. (2008). Probabilidad y estadística para ingeniería y ciencias (8 ed.).
México: Cengage Learning.
• • González, M. M. T., & Pérez de Vargas, A. (2012). Estadística aplicada. Una visión
instrumental. España: Díaz de Santos.
• • Hines, W. W., & Montgomery, D. C. (1996). Probabilidad y estadística para ingeniería
y administración (2 ed.). México: Compañía Editorial Continental.
• • Lind, D. A., Marchal, W. G., & Wathen, S. A. (2012). Estadística aplicada a los
negocios y economía (15 ed.). México: McGraw-Hill.
• • Mendenhall, W., Beaver, R. J., & Beaver, B. M. (2015). Introducción a la probabilidad
y estadística (14 ed.). México: Cengage Learning.
• • Navidi, W. (2006). Estadística para ingenieros. México: McGraw-Hill.
• • Spiegel, M. R., & Stephens, L. J. (2008). Estadística. México: McGraw-Hill.
• • Triola, M. F. (2004). Estadística (9 ed.). México: Pearson Educación.
• • Triola, M. F., & Pineda Anaya, M. L. (2004). Probabilidad y Estadística. México:
Pearson Education. ESTADÍSTICA INFERENCIAL 15
• • Wackerly, D. D., Mendenhall III, W., & Scheaffer, R. L. (2010). Estadística matemática
con aplicaciones (7 ed.). México: Cengage Learning.
• • Walpole, R. E., Myers, R. H., & Myers, S. L. (1999). Probabilidad y estadística para
ingenieros (6 ed.). México: Prentice-Hall.